PulseAugur
实时 10:03:33

深度雅可比估计方法表征生物系统中的非线性控制

研究人员开发了一种名为JacobianODE的新深度学习方法,可以从时间序列数据中估计动力学系统的雅可比矩阵。这种方法能够超越线性模型,更细致地理解相互作用子系统之间的控制。该方法成功应用于在工作记忆任务上训练的循环神经网络,证明了其表征甚至操纵网络行为的能力。 AI

影响 为分析和控制复杂的AI系统提供了一种新颖的方法,有望提高可解释性和行为操纵能力。

排序理由 这是一篇介绍用于分析动力学系统的新深度学习方法的学术论文。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

深度雅可比估计方法表征生物系统中的非线性控制

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Adam J. Eisen, Mitchell Ostrow, Sarthak Chandra, Leo Kozachkov, Earl K. Miller, Ila R. Fiete ·

    Characterizing control between interacting subsystems with deep Jacobian estimation

    arXiv:2507.01946v2 Announce Type: replace-cross Abstract: Biological function arises through the dynamical interactions of multiple subsystems, including those between brain areas, within gene regulatory networks, and more. A common approach to understanding these systems is to m…